VIP20

本课程属于：089-Databricks AI与机器学习平台工程 后端、数据与云原生工程 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

Databricks AI性能优化与容量治理

共计 30 章节

可可资料掘金营 · 点击在线试看

Databricks AI工作负载全景与性能容量挑战

目标=梳理LLM训练 · 微调 · 推理

Databricks AI运行时与资源模型

目标=深入理解GPU/CPU集群 · Photon引擎 · ML Runtime

AI任务性能度量体系

目标=定义吞吐量 · 延迟 · GPU利用率

AI任务性能度量体系

集群配置与自动伸缩优化

目标=针对AI训练与推理场景 · 设计节点类型 · GPU型号

集群配置自动伸缩优化

数据加载与特征工程性能优化

目标=使用Delta Lake · Parquet · TFRecord等格式高效读取数据

数据加载特征工程性能优化

分布式训练性能调优

目标=在Databricks上配置H… · TorchDistributor · Ray等分布式训练框架

分布式训练性能调…Databricks

GPU显存与计算优化

目标=通过混合精度 · 梯度检查点 · 模型并行

推理服务性能优化

目标=部署MLflow模型 · Databricks Model S… · 自定义容器

推理服务性能优化MLflow

向量搜索与RAG性能治理

目标=优化Databricks Ve… · 查询延迟 · 嵌入模型推理与检索增强生成流水线

RAG向量搜索

MLflow实验跟踪与性能分析

目标=利用MLflow记录训练指标 · 系统指标与工件 · 结合Databricks笔记本与Sp…

MLflow实验跟踪

AI任务成本监控与分摊

目标=使用Databricks账单 · 标签 · 系统表与自定义日志

AI任务成本监控

容量规划与配额管理

目标=基于历史负载与增长预测 · 规划GPU · CPU

容量规划配额管理

工作负载优先级与抢占式调度

目标=利用Databricks作业集… · 池 · 队列与优先级配置

工作负载优先级抢占式调度

自动伸缩与弹性资源治理

目标=设计针对AI负载的自动伸缩策略 · 结合集群池 · 实例池与Serverless

自动伸缩弹性资源治理

存储层性能优化

目标=优化Delta Lake表布局 · 分区 · Z-Order

存储层性能优化Delta

网络与通信优化

目标=分析分布式AI训练中的网络带宽 · 延迟与拓扑 · 优化节点间通信

网络通信优化

AI任务容错与恢复

目标=设计检查点 · 重试 · 弹性训练与故障转移机制

性能剖析工具链实战

目标=使用Spark UI · Ganglia · NVIDIA Nsight

性能剖析工具链实…Spark

超参数调优与资源效率

目标=利用Hyperopt · Optuna · MLflow与Databricks并…

超参数调优资源效率

模型压缩与加速推理

目标=应用剪枝 · 量化 · 知识蒸馏

模型压缩加速推理

多租户环境下的AI资源隔离

目标=通过集群策略 · 访问控制 · 网络隔离与配额

AI多租户环境下的

AI工作负载的SLA与性能保障

目标=定义训练与推理的SLA · 建立监控 · 告警与自动修复机制

容量治理中的成本优化策略

目标=结合Spot实例 · 预留实例 · 自动关机

容量治理成本优化策略

AI性能优化与容量治理的自动化

目标=使用Databricks Jo… · Workflows · REST API与基础设施即代码

大规模AI训练的性能调优案例

目标=分析真实大规模训练任务 · 从数据加载 · 分布式策略

实时推理服务的容量治理案例

目标=针对高并发在线推理场景 · 设计自动伸缩 · 批处理

实时推理服务的容…目标=针对高并发

RAG与向量搜索的容量治理案例

目标=优化嵌入生成 · 索引更新与检索服务容量 · 应对数据增长与查询峰值

RAG向量搜索的容量治…

AI平台容量规划与预算控制实战

目标=基于历史用量与业务预测 · 制定季度容量计划 · 预算分配与治理流程

AI平台容量规划

性能回归与持续优化体系

目标=建立性能基准 · 回归测试与持续监控 · 将性能优化融入MLOps流水线

性能回归持续优化体系

前沿趋势与课程总结

目标=探讨Databricks AI… · Serverless GPU · 异构计算与绿色AI

前沿趋势课程总结